MicroRNA Biomarkers on Day of Injury Among Patients with Post Concussive Symptoms at 28-Days: A Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: After mild traumatic brain injury (mTBI), some patients experience symptoms that persist for weeks to months. Recovery from mTBI is primarily assessed using selfreported symptom questionnaires. Blood biomarkers, including microRNA species, have shown promise to assist diagnosis of mTBI, however, little is known about how blood microRNA measures might predict symptom recovery. OBJECTIVE: The aim of this study was to investigate the variances in plasma microRNAs on the day of injury between individuals with mTBI who report post-concussive symptoms at the 28- day mark and those who do not. METHODS: Patients who presented to an adult, tertiary referral hospital emergency department on the day of the injury and were diagnosed with isolated mTBI (n=35) were followed up for 28 days. Venous blood samples were collected and symptom severity was assessed using the Rivermead Post-Concussion Symptom Questionnaire (RPQ) on the day of injury and at 28 days. Patients who reported ongoing symptoms of total RPQ score ≥10 or at least one symptom severity ≥2, were compared to those with lesser symptom severity or symptom resolution. RESULTS: There were 9 (25.7%; 95%CI: 12.5-43.3) patients who reported persistent symptoms. Day of injury plasma miR-223-3p levels were significantly higher in individuals with ongoing symptoms compared to those without, however, no such differences were observed for miRs 142- 3p, 423-3p, 32-5p, 144-3p, and let-7f-5p. CONCLUSION: Acute plasma miR-223-3p levels appear to detect patients who later have persistent symptoms after mTBI. The results demonstrate the potential utility for such biomarkers to assist in decisions towards early referral for therapy after mTBI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».